依作业环境建置机器视觉系统优化效能

机器视觉系统是一套整合光学、机械、电脑信息处理、电子的整合技术，应用层面相当多，尤其在自动化生产或是相关应用上可发挥关键的角色，在高度讲求效率的生产现场更可补强人工的不足…

机器视觉系统为多种科技的整合体，加上其应用面向多元，小到超商POS机结帐使用的光学条码识别，大到如ETC电子计费的车辆识别系统，都使用了机器视觉改善整体系统的使用效能与便利性，用途深入生活、且大幅改进原有的服务机制。

视觉系统构成内容复杂

机器视觉系统为结合照明辅助、影像撷取、影像处理、工控电脑所组成的应用系统，可针对不同使用情境提供如产品加工状态检测、生产数量计数、产品条码判读/纪录…等用途，而在影像处理自撷取、传送、运算分析不同环节，都会影响整个机器视觉系统的运作效能，多数的整合需求会期待影像品质越高越好、检测速度越快越好，甚至整个系统成本越低越好，但实际上检测速度、图像分析性能、图像撷取分辨率都会影响整体系统的部署成本，较合理的规划应是以该项工序或检测需求规划视觉设备规格。

机器视觉系统在架构上为参照人眼的取像逻辑，如透过CCD或工业用镜头取得初级影像来源，而图像撷取设备的影像品质、图像扫描更新速度、设备成本等即影响整体系统布建的成本状态，取得影像后的影新分析、判断与自动化控制软件，就如同人体的脑子对所视图像进行思考判断，有趣的是透过电脑图像实时处理、不可见光的辅助拍摄、图像的进阶优化可大幅提升图像可判读的数据效果，例如，利用图像增强技术将量测重点变化值凸显出来，就是肉眼视觉半不到的效果，不仅视觉系统可切割分离关键影像进行进阶分析，也能据此增加判别精密度与分析速度。

应用影像切割优化 提升机器视觉系统效用

运用影像切割技术，把待测物体的影像自拍摄背景中独立抽离出来 ，再以优化程序将物件的边缘或是细部线条增强，提取物件的特徵数据搭配参照数据库进行影像识别、异常加工品标示捡出等自动化处理流程，以达到机器视觉系统识别与自动化处理的整合需求。

近来随着科技进展，机器视觉系统采行的技术也持续更新，从简单的图形识别到进阶的3D图像、高精度量测、表面平整度等多元量测应用，都可使用机器识别与对应的技术方案部署所需检测项目，使用面向与用途五花八门，其中以自动化生产线的机器视觉系统发展因具实质量产优化效用，相关发展与实际产值显着，对应的检测应用成为自动化领域重要的技术项目。

影像处理系统 影像机器视觉决策品质

机器视觉搭配进阶影像处理系统，已在自动化产线具重要且实用的角色，像是生产塑胶射出材料机壳，就可用机器视觉进行制作瑕疵检测，针对特殊加工工件的处理成果验证，如平整度或钻孔、开孔加工位置精确度确认，也可不需使用特殊治具参照验证，直接以非接触的机器视觉进行验证即可，机器视觉系统的量测精度表现已有大幅进展，在相关量测应用实用价值极高。

而非接触性的量测特性，更是导入机器视觉系统的最大效用，例如，针对无法人力量测或高危工作场域，机器视觉系统系统由于是利用电子影像撷取设备(如CCD或是工业用摄影机)处理，没有人力检测可能会被工件或高危加工影响疑虑，像是针对热轧钢板的尺寸或瑕疵检测，就能使用机器视觉处理生产线加工过程实时验证确认生产品质，避免加工工序完成才发现产品瑕疵造成工时与返工成本，而非接触式量测也能避免高危工序目测对产线工作者的生理危害，高危工序甚至可以大量运用机器视觉系统搭配自动化机制智能处理操作运行，避免高危工序还须操作人员参与减少工作伤害发生机率。

人力检测已成历史 工业4.0需大量机器视觉技术实现

传统生产线大量仰赖人力检测、区分产线瑕疵工件的方法已经成为历史，取而代之的是机器视觉系统搭配视觉识别技术、自动化检料/分料机制，使用实时检测图形识别与分析，还可针对生产流水线(输送带)的任意置放工件进行快速判断分析、同时处理检料、分料处理，已超越人眼能够判读的水准，不仅提升生产线的生产速度，同时透过智能化实时处理、纪录，工厂整体的生产状况数据还可利用实时信息图表呈现，让管理者可以随时掌握工厂的生产状态。

机器视觉系统也不全然仅有优点，因为在实际导入时机器视觉系统仍有部分问题待技术改善，例如，透过撷取数码影像进行的非接触量测，仍有画质或是量测精度可能影响到工件加工品质判断，另外，所建构的影像分析系统若硬件出现异动，在软件方面的调校也需对应整体调整，造成系统维护困扰，甚至需要重新撰写对应的分析程序，不同影像分析系统的规格选择多、版本维护不易，相关软/硬件升级或维护也会造成使用困扰，影响相关新生产技术导入的识别技术使用意愿。

生产环境影响图像识别难度 可透过辅助光源改善

另外，在生产线的影像撷取内容，往往会受到输送带、背景与同时撷取下来的图像，出现拍摄主体中的待测产品或产品局部图像不够明显，进而出现分析图像的误判，此外，在物件若刚好处于反光状态，物品因为环境光源导致撷取图像不够清晰、明显。取用撷取图案进行分析也容易导致结果误判。至于新产品设计外观构型越来越复杂，表面设计也会导致其自动分析、评判效果失准、干扰。

在部署机器视觉系统，系统本身的自动判别正确率与效能，也必须经过一段时间调整与反覆试验优化，才能达到较佳的系统效能，尤其是产线的照明状态恶劣，环境光源来自四面八方，很容易造成被摄工件的反光现象，若增加补强照明，也很难做到均衡的补光效果，除机器视觉本身的光学结构、图像撷取设备需强化环境光的影响适应性外，现场产线的重点图像撷取辅助光源，也必须以经验加以部署或实际调校处理，避免影响整体机器视觉系统的使用效益。

而在机器视觉系统的辅助光源布设部分，布建辅助光源并非复杂度较高，有/无经验即左右实际部属的成果，尤其是机器视觉系统投放产线运行，主要功能就是用以检出问题料件，若因光源混乱、捡出大量正常料件当问题料汰换，将导致成本浪费影响产品市场竞争能力，而光源优化可以善用如 投影幕、 投影透镜、消色差滤光镜、隔热滤光镜、聚光透镜、反射镜搭配优化光源进行物理性的光源改善处理，光源本身的照明品质也需注意光源的均匀度、色彩、亮度等会影像撷取品质的重点。